具体实施方式

为了更好的理解上述技术方案，下面通过附图以及具体实施例对本申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。

在下面的详细描述中，通过实例阐述了许多具体细节，以便提供对相关指导的全面了解。然而，对于本领域的技术人员来说，显然可以在没有这些细节的情况下实施本申请。在其他情况下，公知的方法、程序、系统、组成和/或电路已经在一个相对较高水平上被描述，没有细节，以避免不必要的模糊本申请的方面。

这些和其他特性、当前申请披露的功能、执行的方法、结构中相关元素的功能和部件的组合和生产经济性,在参照附图进行以下描述的考虑中可能会变得更加明显,所有这些形成本申请的一部分。然而，需要理解清楚的是，附图仅仅是为了说明和描述的目的，并不旨在限制本申请的范围。应当了解的是，这些图纸不是按比例绘制的。然而，应当明确理解的是，附图仅用于说明和描述的目的，并不意图限制本申请的范围。应当知晓的是，这些附图并不依照比例。

本申请中使用流程图说明根据本申请的实施例的系统所执行的执行过程。应当明确理解的是，流程图的执行过程可以不按顺序执行。相反，这些执行过程可以以相反的顺序或同时执行。另外，可以将至少一个其他执行过程添加到流程图。一个或多个执行过程可以从流程图中删除。

图1是根据本申请的一些实施例所示的大数据的业务信息评价系统300的系统架构框图，该大数据的业务信息评价系统300可以包括服务器100和多个与之通信的客户端200。

客户端200为用户产生业务信息的设备，例如可以是具备网络交互功能的个人电脑、笔记本电脑、平板电脑或智能手机等。业务信息可以为游戏过程中产生的游戏数据，例如对于塔防类交互式策略游戏，游戏数据可以为用户对应账号产生的捐兵数据，包括捐兵数量、捐兵准确度等，或者部落战争中获取的战绩以及攻击的敌人等级，或者在工会或部落中的活跃度，如登录频次、在线时长、互动频率、语言友好度等，或者在重大游戏活动中，发挥的策略制定作用，如配兵设计、攻守队列排布、实际执行与配兵设计的匹配度等等。在一游戏周期结束后，需要对用户在该游戏周期中的表现进行评价，该评价会推送至游戏中的指定玩家，例如推送至用户和与用户同处一个部落或工会的其他玩家，游戏周期可以是一个月或一个星期，或者一个游戏副本结束，或者一个游戏版本结束时。评价的内容可以是该用户在该游戏周期获得的成就、得到的称号、推荐在部落或工会担任的职务等等，例如在一游戏周期结束后，部落的首领需要根据部落中的玩家在游戏周期内的表现进行评价，然后赋予相应的职位，在传统的方式中，仅能通过首领根据记忆各个玩家在游戏周期中的表现主观给出对应的职位，由于这种方式仅凭人的主观意识进行操作，其他玩家可能对结果产生不满，影响游戏环境。因此，需要一种能够根据客观数据进行评价，并保证评价结果非主观、相对公平。

在其他实施范式中，业务信息还可以是诸如政企服务、在线办公中产生的工作数据，或者远程教育中产生的互动数据。例如对于政企服务、在线办公产生的工作数据，可以包括工作时长、完成任务的效率、工作内容、服务的客户、服务的类型等等，在一个工作周期结束后，需要对人员在该工作周期中的工作内容进行评价，评价的内容可以是人员对团队、企业、单位的贡献度、影响力等，评价的结果将推送至人员所在的组织中其他的人员。对于远程教育，业务信息可以包含学生的课程参与数据、互动数据、学习成果数据等，需要评价的内容可以是学生的学习收获、学习态度等，并将得到的评价结果推送至学生的相关人员，如老师、同学、家长。

以上各种业务场景举例仅为示例性，在其他实施方式中，业务信息还可以是其他根据具体业务场景产生的相关数据。客户端200产生业务信息后，将发送至服务器100，由服务器100对业务信息进行分析，并得出评价。

在一些实施例中，请参照图2，是服务器100的架构示意图，该远程服务器100包括大数据的业务信息评价装置110、存储器120、处理器130和通信单元140。存储器120、处理器130以及通信单元140各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。大数据的业务信息评价装置110包括至少一个可以软件或固件(firmware)的形式存储于存储器120中或固化在远程服务器100的操作系统(operating system，OS)中的软件功能模块。处理器130用于执行存储器120中存储的可执行模块，例如基于远程教育的业务信息处理装置110所包括的软件功能模块及计算机程序等。

其中，所述存储器120可以是，但不限于，随机存取存储器(Random AccessMemory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(ProgrammableRead-Only Memory，PROM)，可擦除只读存储器(Erasable Programmable Read-OnlyMemory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory，EEPROM)等。其中，存储器120用于存储程序，处理器130在接收到执行指令后，执行所述程序。通信单元140用于通过网络建立远程服务器100与客户端之间的通信连接，并用于通过网络收发数据。

处理器可能是一种集成电路芯片，具有信号的处理能力。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(DSP))、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

可以理解，图2所示的结构仅为示意，远程服务器100还可包括比图2中所示更多或者更少的组件，或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。

图3是根据本申请的一些实施例所示的一种大数据的业务信息评价方法的流程图，该方法应用于图1中的服务器100，具体可以包括以下步骤S1-步骤S4。

在以下步骤S1-步骤S4的基础上，将对一些可选实施例进行说明，这些实施例应当理解为示例，不应理解为实现本方案所必不可少的技术特征。

步骤S1，通过第一业务信息在多个评价标准下的业务数据，获取与第一业务信息接近的至少一个第二业务信息。

其中，根据不同的评价标准，第一业务信息对应不同的业务数据，例如在游戏业务中，评价标准可以包括：活跃度、后勤贡献度、对外贡献度、友好度等等。对于活跃度，对应的业务数据可以为玩家登录游戏的频率、游戏在线的时长、游戏内的互动频率等数据；对于后勤贡献度，对应的业务数据可以为玩家帮助其他玩家游戏发展做出的贡献，如捐兵的数量、礼物赠予的数量等数据；对于对外贡献度，对应的业务数据可以为玩家对外战争中获取的功勋、奖杯、星数等数据；对于友好度，对应的业务数据可以为玩家在游戏中的好友数量、被拉黑的数量等数据。

根据上述评价标准下的各业务数据，获取与第一业务信息接近的第二业务信息，需要理解的是，接近意味着第一业务信息和第二业务信息相似，能够评价第二业务信息的评价内容，也可以作为第一业务信息的评价内容。

第一业务信息与第二业务信息是否相似，通过对比相应的业务数据即可得到，在对各评价标准下的业务数据进行对比时，可以采用统计的方法，例如对于文本数据，可以统计两个业务数据中文本的相同字符的数量，判断两个业务数据的文本相似度，在其他实施方式中，可以对各个评价标准下的业务数据向量化，通过计算两个业务数据向量的相似度来判断相似度。

对于业务数据向量化后的比较，在本实施例中，通过引入人工智能(ArtificialIntelligence，AI)模型进行相关操作。

本实施例中，预先训练一第一向量生成模型，通过将第一业务信息对应多个评价标准下的业务数据输入第一向量生成模型，得到第一业务信息的第一业务信息向量，获取与第一业务信息向量接近的至少一个第二业务信息向量，确定对应于第二业务信息向量的第二业务信息。

需要说明的是，第二业务信息为第一业务信息需要找到的相接近的业务信息，在数据库中存储有第二业务信息对应的第二业务信息向量，当找到与第一业务信息向量接近的第二业务信息向量时，可以获取与之对应的第二业务信息，判断是否接近，可以通过设置一阈值，计算第一业务信息向量与第二业务信息向量的相似程度是否满足该阈值，如果满足，则表示接近。

在对第一向量生成模型进行训练时，首先需要获取识别训练样本，目的是为了识别业务数据的类别，该类别与评价标准对应。识别训练样本为通过对业务信息在多个评价标准下的业务数据进行特征提取得到的多个业务训练向量。其中，每个业务训练向量对应一评价标准。

然后将多个业务训练向量进行特征融合处理，得到对应于业务信息的业务信息向量。此处的特征融合意思是整合所有评价标准的业务训练向量的信息，其融合的过程可以通过向量拼接实现，如文字的业务训练向量拼接于数字的业务训练向量后，此外，还可以采用常规的池化处理进行特征融合，或全连接处理方式进行特征融合。本发明实施例对特征融合的过程不做限定。

多个业务训练向量特征融合之后，通过得到的业务信息向量，得到业务信息对应的类别推测结果。该过程可以采用分类器进行推测，此处不做赘述。

本实施例提供的第一向量生成模型的训练过程为有监督的训练，通过第一损失函数确定类别推测结果与业务信息的真实类别之间的损失值，通过损失值调节第一向量生成模型的参数，直至满足预设条件。该第一损失函数可以为任何可能的损失函数，例如交叉熵损失函数、0-1损失函数，本实施例对此不做限定。预设条件可以是任意可能的条件，如达到预设的训练次数，或者模型收敛。

此外，对第一向量模型的训练，还包括对两个业务信息之间匹配的过程，首先，获取匹配训练样本，该匹配训练样本包括两个业务信息的业务数据。再获取两个业务数据的业务信息向量并进行特征融合，得到匹配训练样本的融合业务信息向量。然后通过融合业务信息向量得到两个业务信息的接近程度推测结果。最后通过第二损失函数确定接近程度推测结果与预先标注的真实接近程度之间的损失值，通过损失值调节第一向量生成模型的参数，直至满足预设条件。需要理解的是，上述对两个业务信息之间进行匹配的训练过程，所涉及的特征融合，结果推测等实现过程，可以采用常规的深度学习的技术实现，此处不做赘述。

步骤S2，确定每个第二业务信息匹配的评价内容序列。

需要说明的是，评价内容序列包含至少一个评价内容，每一评价内容为与之匹配的第二业务信息在业务信息评价时得到的推送评价内容。即，第二业务信息是已经被评价过后的业务信息，其评价内容可作为第一业务信息的评价标准。

在确定每个第二业务信息匹配的评价内容序列时，可采用以下步骤得到：

步骤S21，确定每个第二业务信息在业务信息评价时得到的推送评价内容序列。

推送评价内容序列即在业务信息评价时，为用户推送的可能满足评价条件的评价内容。

步骤S22，分别获取推送评价内容序列中的各个推送评价内容在不同评价标准下的单项评价准确度。

每个推送评价内容在不同评价标准下，具有对应的评价内容，如评价标准为活跃度、贡献度和友好度，分别对应的评价内容为高、低、高，而每一单项评价标准具有对应的准确度，该准确度的获取方式为，当评价内容推送至对应的用户后，用户会对评价内容的每一单项评价内容进行校验确认，校验确认后的评价内容与推送的评价内容之间的符合程度即为单项评价准确度。

步骤S23，通过获得的不同的评价标准下的单项评价准确度，结合每一评价标准的参考权重，得到推送评价内容序列中每一推送评价内容对应的综合评价准确度。

每一个评价标准，其对最终的评价内容具有不同的影响程度，如在评价玩家对工会或部落的贡献度时，需要参考的评价标准包括捐兵、对敌获取的功勋，其中，捐兵对于贡献度的评价占比较小，对应的权重为30％，对敌获取的功勋占比较大，对应的权重为70％。因此，即使在推送评价内容中，对于捐兵的评价准确率较低，但是对于最终的评价内容影响不大。

步骤S24，通过获得的多个综合评价准确度，选取综合评价准确度大于评价准确度阈值的推送评价内容序列。

步骤S25，通过选取的综合评价准确度大于评价准确度阈值的推送评价内容序列，作为所述第二业务信息对应的评价内容序列。

通过上述步骤S21～S25，即可得到第二业务信息匹配的评价内容序列。

步骤S3，获取每个评价内容序列中各个评价内容的评价准确度，选取至少一个评价准确度大于预设评价准确度的推送评价内容。

一个第二业务信息对应一个评价内容序列，多个第二业务信息对应多个评价内容序列，从每一个评价内容序列中均得到评价内容，但是每一个第二业务信息与第一业务信息的接近程度可能是不同的，因此，在从不同的第二业务信息对应的评价内容序列中选择推送评价内容时，可以考虑进行加权。

具体的，作为一种实施方式，步骤S3可以包括以下步骤：

步骤S31a，通过第二业务信息与第一业务信息的接近程度，以及第二业务信息的评价内容序列中的每一评价内容的综合评价准确度，分别获得评价内容序列中的每一评价内容对应的加权评价准确度。

步骤S32a，通过评价内容序列中的每一评价内容对应的加权评价准确度，得到评价内容序列中加权评价准确度大于设定评价准确度阈值的至少一个评价内容。

步骤S33a，将得到的加权评价准确度大于设定评价准确度阈值的至少一个评价内容作为推送评价内容。

另外，在实际情况中，可能存在相同评价内容的情况，意思是不同的第二业务信息对应的评价内容序列中具有相同的评价内容，同一评价内容出现多次，对应的评价内容的加权评价准确度也会出现多次，影响准确性。在该情况下，可以通过相同的评价内容分别对应于每个第二业务信息的加权评价准确度，得到从相同的评价内容选取的加权评价准确度。选取的方式可以是直接选择准确度最大的，或者将各个准确度进行均值计算得到最终准确度。

作为另一种实施方式，步骤S3可以包括以下步骤：

步骤S31b，获取评价内容序列中的每一评价内容，基于每一评价内容对应于多个评价标准的单项评价准确度，以及每个评价内容对应的接近程度，获得评价内容序的多个加权单项评价准确度。

其中，评价内容序列对应的接近程度为评价内容对应的第二业务信息与第一业务信息的接近程度。

步骤S31b，通过获得的多个加权单项评价准确度，得到评价内容的加权评价准确度。

步骤S31b，通过评价内容序列中的每一评价内容的加权评价准确度，选取加权评价准确度大于设定评价准确度阈值的至少一个评价内容，选取的加权评价准确度大于设定评价准确度阈值的至少一个评价内容为推送评价内容。

步骤S4，选取至少一个推送评价内容为第一业务信息处于业务信息评价时的拟推送评价内容。

针对每个推送评价内容，可以将推送评价内容通过与目标用户账户计算用户的关注程度，并将推送评价内容的准确度作为特征输入，经过优先级策略，将优先级高的评价内容推荐给目标用户。具体的，可以包括以下步骤：

步骤S41，将推送评价内容输入第二向量生成模型，得到推送评价内容的评价内容向量。

该第二向量生成模型用于将推送评价内容向量化。

步骤S42，通过评价内容向量和接收推送评价内容的用户的账号信息向量，得到推送评价内容和用户的账号的关联度。

用户的账号信息能够呈现的信息是用户对哪方面的评价标准更感兴趣，可以根据用户以往的行为进行判断，相应的，推送评价内容侧重于用户关注的评价标准，则关联度就高，反之则关联度低。

步骤S43，将推送评价内容的评价准确度数据输入优先级模型，得到推送评价内容的评价准确度推测结果。

该推送评价内容的评价准确度推测结果即在优先级模型的推测下，给出的表征推送评价内容从各方面满足事实的准确度判断。

步骤S44，通过关联度和评价准确度推测结果，得到推送评价内容的推送值。

推送值即该推送评价内容值得被推送的程度，越高，越值得被推送。

步骤S45，通过得到的每个推送评价内容的推送值，从至少一个推送评价内容中选出拟推送评价内容。

需要说明的是，第二向量生成模型和优先级模型均可以采用任何可能的神经网络模型，本实施例对此不作限定。

综上所述，本发明实施例提供的大数据的业务信息评价方法，首先通过第一业务信息在多个评价标准下的业务数据，获取与第一业务信息的接近的至少一个第二业务信息，再确定每个第二业务信息匹配的评价内容序列，然后获取每个评价内容序列中各个评价内容的评价准确度，选取至少一个评价准确度大于预设评价准确度的推送评价内容，最后选取至少一个推送评价内容为第一业务信息处于业务信息评价时的拟推送评价内容。由于第二业务信息的评价内容为已有的评价内容，在对第一业务信息进行评价时，直接调用接近的第二业务信息的评价内容作为第一业务信息的评价内容，处理高效，且通过精确地筛选，保证了评价的准确度。

请参照图4，是本发明实施例提供的大数据的业务信息评价装置110的架构示意图，该大数据的业务信息评价装置110可用于执行大数据的业务信息评价方法，其中，大数据的业务信息评价装置110包括：

匹配模块111，用于通过第一业务信息在多个评价标准下的业务数据，获取与第一业务信息的接近的至少一个第二业务信息，每个评价标准对应一种业务数据。

查询模块112，用于确定每个第二业务信息匹配的评价内容序列；其中，评价内容序列中的每一评价内容为与之匹配的第二业务信息在业务信息评价时得到的推送评价内容。

分析模块113，用于获取每个评价内容序列中各个评价内容的评价准确度，选取至少一个评价准确度大于预设评价准确度的推送评价内容。

选取模块114，用于选取至少一个推送评价内容为第一业务信息处于业务信息评价时的拟推送评价内容。

匹配模块111可用于执行步S1，查询模块112可用于执行步骤S2，分析模块113可用于执行步骤S3，选取模块114可用于执行步骤S4。

由于在上述实施例中，已经对本发明实施例提供的大数据的业务信息评价方法进行了详细的介绍，而该大数据的业务信息评价装置110的原理与该方法相同，此处不再对大数据的业务信息评价装置110的各模块的执行原理进行赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

需要理解的是，针对上述内容没有进行名词解释的技术术语，本领域技术人员可以根据上述所公开的内容进行前后推导毫无疑义地确定其所指代的含义，例如针对一些值、系数、权重、指数、因子等术语，本领域技术人员可以根据前后的逻辑关系进行推导和确定，这些数值的取值范围可以根据实际情况进行选取，例如0～1，又例如1～10，再例如50～100，在此均不作限定。

本领域技术人员可以根据上述已公开的内容毫无疑义对一些预设的、基准的、预定的、设定的以及目标的技术特征/技术术语进行确定，例如阈值、阈值区间、阈值范围等。对于一些未作解释的技术特征术语，本领域技术人员完全能够基于前后文的逻辑关系进行合理地、毫无疑义地推导，从而清楚、完整地实施上述技术方案。未作解释的技术特征术语的前缀，例如“第一”、“第二”、“上一个”、“下一个”、“前一个”、“后一个”、“当前”、“历史”、“最新”、“最佳”、“目标”、“指定”和“实时”等，可以根据前后文进行毫无疑义地推导和确定。未作解释的技术特征术语的后缀，例如“列表”、“特征”、“序列”、“集合”、“矩阵”、“单元”、“元素”、“轨迹”和“清单”等，也可以根据前后文进行毫无疑义地推导和确定。

本申请实施例公开的上述内容对于本领域技术人员而言是清楚完整的。应当理解，本领域技术人员基于上述公开的内容对未作解释的技术术语进行推导和分析的过程是基于本申请所记载的内容进行的，因此上述内容并不是对整体方案的创造性的评判。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可以对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。

同时，本申请使用了特定术语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同部分两次或多次提到的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的至少一个实施例中的某些特征、结构或特点可以进行适当的组合。

另外，本领域普通技术人员可以理解的是，本申请的各个方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可以被称为“单元”、“组件”或“系统”。此外，本申请的各方面可以表现为位于至少一个计算机可读介质中的计算机产品，所述产品包括计算机可读程序编码。

计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等等、或合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤缆线、RF、或类似介质、或任何上述介质的组合。

本申请各方面执行所需的计算机程序码可以用一种或多种程序语言的任意组合编写，包括面向对象程序设计，如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET，Python等，或类似的常规程序编程语言，如"C"编程语言，Visual Basic，Fortran2003，Perl，COBOL 2002，PHP，ABAP，动态编程语言如Python，Ruby和Groovy或其它编程语言。所述程式设计编码可以完全在用户计算机上执行、或作为独立的软体包在用户计算机上执行、或部分在用户计算机上执行部分在远程计算机执行、或完全在远程计算机或服务器上执行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网络(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。

此外，除非申请专利范围中明确说明，本申请所述处理元件和序列的顺序、数位字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的申请专利范围并不仅限于披露的实施例，相反，申请专利范围旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件装置实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或行动装置上安装所描述的系统。

同样应当理解的是，为了简化本申请揭示的表述，从而帮助对至少一个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法幷不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。